黄瓜水分和硬度高光谱特征波长选择与预测模型构建

为实现高光谱对黄瓜新鲜度的快速、准确检测,以硬度和失水率作为品质指标,采用高光谱成像技术对同一批次不同贮藏日期的黄瓜进行检测。采用Savitzky-Golar法、多元散射校正、标准正态变量变换3种方法对黄瓜高光谱数据进行预处理,并对预处理结果进行对比,确定Savitzky-Golar预处理方法;运用竞争性自适应重加权算法、偏最小二乘、连续投影算法对高光谱特征波长进行选择,针对硬度指标分别选取了25,13,20个特征波长,针对失水率指标,分别选取了20,16,20个特征波长;运用BP神经网络构建黄瓜硬度和失水率预测模型。结果表明,基于连续投影算法所筛选出的特征波长光谱信息所建立的BP模型判别效果最佳,其对硬度判别的训练集准确率和测试集准确率分别为95.24%,91.67%;对失水率判别的训练集准确率和测试集准确率分别为97.78%,95.00%。     

《食品试验设计》研究生精品资源共享课程建设

《食品试验设计》是一门理论和实践结合紧密、实用性很强的课程,在高校科研、企业生产等领域起着极其重要的作用,将其打造为研究生"精品资源共享课",可为广大学生、教师、企业员工和社会学习者提供更好的服务。文章针对研究生教学对其教学目标、教学内容、教学团队及教学方法进行了探索和改革,取得了令人满意的教学效果。     

劲酒电子鼻鉴别分析中传感器阵列优化方法研究

气敏传感器阵列优化是电子鼻应用研究中的一个重要方面.阵列优化后可以消除初始阵列中的冗余信息,提高识别能力.在电子鼻对劲酒进行鉴别分析中.分别采用相关系数绝对值累加和最小分析、PCA第二主成分系数选择性分析、基于变异系数的因子载荷分析三种方法研究了初始传感器阵列的优化阵列.结果表明3种优化阵列组成形式基本相同,进而构造出了适宜劲酒电子鼻分析的传感器阵列.计算分析表明,传感器优化阵列可以很好地对酒精度为35和38度的两种劲酒产品进行鉴别分类.这也为电子鼻分析中阵列的优化选取提供了一种方法与思路.     

蔬菜农药残留检测传感信息中的一种特征提取方法

蔬菜中的农药残留是一个备受社会关注的问题。利用5只气敏传感器、1个温度传感器和1个湿度传感器构成测试系统,对蔬菜中2种多个浓度级别的农药残留成分进行测试。运用小波包的三尺度分解技术来分析测试结果,以小波包节点能量最大值的倒数构造特征向量,并运用主成分分析(PCA)和RBF神经网络对多浓度级别下的农药残留按类识别。结果表明:使用此方法提取的特征向量可使测试系统很好地把两种多浓度级别下的农药残留实现按类识别,且不受浓度级别的影响。     

基于Weibull分布函数的超声强化热风干燥紫薯的干燥特性及过程模拟

为探讨直触式超声对热风干燥过程的强化效果,以紫薯为干燥试材,利用超声热风干燥设备,研究不同干燥温度(40、50、60、70℃)及不同超声功率(0、30、60 W)条件下,紫薯片的干燥特性和品质变化规律,并利用Weibull函数对干燥过程进行了动力学模拟。结果表明:随着干燥温度的升高和超声波功率的增加,干燥时间明显缩短,干燥速率显著提高;Weibull分布函数可实现较高的模型精度;尺度参数α范围在92.317~345.764 min之间,且随着干燥温度升高和超声功率增大而减小,形状参数β在0.817~1.032之间,表明超声强化热风干燥紫薯的干燥过程由内部扩散阻力控制;水分扩散系数D_(cal)的范围为1.205×10~(-10)~4.513×10~(-10) m~2/s,其值随干燥温度和超声功率的升高而增大;干燥活化能随着超声功率的增加而相应减少;在相同超声功率下,随着干燥温度升高,总酚和总黄酮含量基本呈现先升高后下降的趋势;在较低干燥温度条件下,增大超声功率有利于提高总酚和总黄酮含量,但在较高温度条件下,增大超声功率则不利于总酚和总黄酮成分的保持。将超声技术用于热风干燥过程的强化可有效提高干燥速率和干燥品质。     

基于高光谱技术及SPXY和SPA的玉米毒素检测模型建立

应用高光谱技术研究和构建霉变玉米黄曲霉毒素B1（aflatoxin B1,AFB1）和玉米赤霉烯酮（zearalenone,ZEN）含量的检测方法,通过建立霉变玉米中这2?种毒素含量的预测模型,实现对玉米霉变程度的快速、无损、准确判别。首先,通过对比5?种预处理方法,确定标准正态变量校正法对原始光谱数据进行预处理;然后,采用光谱-理化值共生距离算法结合偏最小二乘回归（partial least squares regression,PLSR）法分析不同校正集样本预测AFB1和ZEN含量的差异,并分别优选出130?个和140?个校正集样本;在采用均匀光谱间隔法对原始光谱变量进行初降维的基础上,对比连续投影算法（successive projections algorithm,SPA）和竞争性自适应重加权算法2?种变量提取法。结果表明：经SPA分别筛选出17?个特征波段且基于较少校正集样本和特征波长光谱信息建立的PLSR模型能够获得较优的预测结果,对应AFB1和ZEN含量预测集的相关系数和均方根误差（root mean square error of prediction,RMSEP）（R2pre,RMSEP）由最初的（0.994?4,0.984?6）和（0.991?6,2.320?9）分别变为（0.997?3,0.681?5）和（0.997?7,1.144?1）,在降低模型复杂度的情况下提高了预测精度,表明该模型对这2?种毒素含量能够实现较强的预测能力。因此,利用高光谱技术对玉米AFB1和ZEN含量实施无损检测具有可行性。     

不同包装纯牛奶的电子鼻检测

为考察不同包装对乳制品质量产生的影响。选用13只气敏传感器构成传感器阵列,对百利包、利乐枕和利乐包3种包装方式的纯牛奶进行测试;运用平均微分值法提取特征信息,并借助于Fisher判别分析(FDA)和BP神经网络对3种包装方式的纯牛奶进行识别。结果表明：3种包装方式的纯牛奶都能够被明显鉴别区分,并且利用电子鼻能够根据纯牛奶存放质量的变化来区分不同的包装方式。     

基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析（Fisher?discriminant?analysis,FDA）可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200个马铃薯的高光谱信息,通过对比6种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样（competitive?adaptive?reweighted?sampling,CARS）、连续投影算法（successive?projections?algorithm,SPA）及CARS-SPA组合算法3种方法提取相应特征波长,通过对比分析最终确定34个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络（back?propagation?neural?network,BPNN）模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34个特征波长进行FDA融...     

基于高光谱图像技术的油炸薯片中羧甲基赖氨酸含量检测

为探究羧甲基赖氨酸[Nε-（1-carboxymethyl）-L-lysine,CML]含量的快速无损检测方法,该文采用高光谱图像技术对8种自制油炸薯片进行检测研究,提取每个高光谱图像的平均光谱值作为特征参量,同时结合液相色谱-质谱法测定CML含量,探寻预测其含量最适宜的光谱预处理和建模方法。首先将高光谱图像进行黑白校正,再选用标准正态变量变换光谱预处理方法,以消除固体颗粒、散射以及光程变化对光谱的影响。然后筛选出第200个到1 000个波段图像的平均光谱反射值,建立主成分回归、偏最小二乘回归和BP神经网络3种预测模型。对比结果表明：BP神经网络可以预测油炸薯片中CML含量,预测正确率为99.67%,决定系数为0.99,均方根误差为0.22。同时,为验证模型的稳健性,随机选取5组训练集和预测集代入相同参数的模型进行预测。结果显示：预测正确率平均值为96.23%,决定系数平均值为0.99,均方根误差平均值为0.22。这说明高光谱图像技术结合BP神经网络快速预测油炸薯片中CML含量具有可行性。     

电子鼻鉴别有机磷农药的一种特征提取方法

由于有机磷农药的挥发性与稳定性易受环境的影响,降低了电子鼻在分类鉴别中的精确度与可比性。在定位传感器响应起始点的基础上,截取有效数据,以保证分析结果的可靠性;通过对平均微分法、积分值2种特征提取方法分析,提出了一种面积斜率比值法的特征提取方法;运用主成分分析（PCA）和BP神经网络对3种方法2种农药进行分类计算,结果表明：面积斜率比值法的分类效果最好。